स्वायत्त एजंट कार्ये क्रमवारी
स्वायत्त एजंट कार्ये मध्ये कोणती AI मॉडेल्स सर्वोत्तम काम करतात, कोणती विश्वासार्ह राहतात आणि सर्वात मोठी दरी कुठे दिसते ते पाहा. क्रम लावा: एकूण खर्च ↓.
514/514
मॉडेल फिल्टर करा
सध्याच्या शोध आणि फिल्टर्सशी जुळणारी कोणतीही मॉडेल्स नाहीत.
| क्रमांक | मॉडेल | कंपनी | स्वायत्त एजंट कार्ये स्कोअर | स्कोअर | एकूण खर्च | बरोबर चाचण्या | प्रतिसाद वेळ (सरासरी) |
|---|---|---|---|---|---|---|---|
| #50 | GPT-5.3-Codex medium | OpenAI | 1.0 | 0.9 | $1.318 | 1/1 | 61.9s |
| #162 | Gemini 3.5 Flash medium | 0.3 | 0.8 | $1.316 | 0/1 | 84.5s | |
| #195 | Seed-2.0-Code medium | Bytedance Seed | 1.0 | 0.7 | $1.275 | 1/1 | 91.7s |
| #83 | Muse Spark Open medium | Meta | 1.0 | 0.9 | $1.260 | 1/1 | 43.3s |
| #312 | Grok 4.20 medium | X AI | 0.3 | 0.6 | $1.246 | 0/1 | 128.3s |
| #14 | GPT-5.6 Sol low | OpenAI | 1.0 | 1.0 | $1.244 | 1/1 | 57.1s |
| #120 | Inkling high | Thinkingmachines | 1.0 | 0.8 | $1.238 | 1/1 | 66.0s |
| #264 | GPT-5.5 none | OpenAI | 0.5 | 0.7 | $1.212 | 0/1 | 57.5s |
| #99 | DeepSeek V4.1 Flash max | DeepSeek | 1.0 | 0.9 | $1.204 | 1/1 | 66.6s |
| #45 | Qwen3.8 MAX medium | Qwen | 1.0 | 0.9 | $1.181 | 1/1 | 115.3s |
| #104 | Claude Sonnet 5.5 high | Anthropic | 1.0 | 0.9 | $1.175 | 1/1 | 51.5s |
| #234 | Qwen3.5-122B-A10B medium | Qwen | 0.6 | 0.7 | $1.152 | 0/1 | 95.3s |
| #231 | Kimi K2.7 Code medium | Moonshot AI | 0.5 | 0.7 | $1.136 | 0/1 | 104.0s |
| #155 | Qwen3.5-27B medium | Qwen | 1.0 | 0.8 | $1.135 | 1/1 | 146.5s |
| #227 | Qwen3.6 Max Preview medium | Qwen | 0.0 | 0.7 | $1.132 | 0/0 | 0ms |